HMM 기반 음성인식을 위한 화자적응 기법
Speaker Adaptation Algorithms for HMM Based Speech Recognition
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
현재의 음성인식 시스템은 다양한 분야에서 인간과 기계 사이의 편리한 상호 작용을 가능하게 하기 위해 널리 사용되고 있다. 음성인식 기술의 발달로 인식 성능의 향상은 많이 이루어졌지만 잡음이나 화자 변이성과 같은 학습과 인식조건에서 오는 다양한 차이로 인해 인식 성능에 많은 저하를 가져오고 있다. 본 논문에서는 이런 차이를 줄이기 위해적은 양의 적응 데이터를 가지고 순차적으로 인식 성능을 향상할 수 있는 HMM 기반 음성인식을 위한 화자적응 기법에 대해 기술한다. 화자적응 기법을 maximum a posteriori(MAP), 변환기반, 화자공간기반, 순차적응으로 나누고각 기법의 장단점을 비교한다.
Abstract
Recently automatic speech recognition (ASR) systems are widely used for the convenient interaction between human and machine in many areas. Though great improvement has been achieved in speech reconition technology, the performance of ASR system often degrades drastically when there is a mismatch between the training and test coniditions due to noise or speaker variability. In this paper we describe the speaker adaptation approaches for hidden Markov model (HMM) based speech recognition to overcome such mismatch and improve the performance incrementally using a small amount of adaptation data. After addressing the issues regarding four different adaptation families such as maximum a posteriori (MAP) family, transformation-based family, speaker space-based family, online adaptation family and compare the strength and weakness of each adaptation family.